随着智能体所承担的任务日益延长且愈发复杂,对执行过程的管控本身便成为一项独立而关键的任务。在每一次运行过程中,每一步都会涌现出新的控制决策点,例如:应当基于哪一部分已有工作继续推进?是否应从头开始?又或何时终止当前运行?为此,我们提出了“智能体元推理”(agentic meta-reasoning)——一种在推理时动态启用的管控机制,它将上述控制决策显式地建模为一个结构化的推理过程。其中,执行单元(Workers)负责完成具体任务层面的计算;而控制器(Controller)则承担更高阶的统筹职能:汇总当前运行已取得的成果、探索下一步可能的行动路径、在剩余计算预算约束下评估各选项的预期收益,并结合持久化记忆中存储的上下文信息,向执行单元分派选定的任务。值得注意的是,在两次控制决策之间,控制器仅需维护一份关于当前运行状态的高度凝练摘要,而无需重放全部历史轨迹。
我们的基线方法涵盖当前工业级编程智能体与前沿研究型推理框架,并额外引入了一个“直接控制智能体”(Direct Control Agent)作为对照——该基线采用与元推理系统完全相同的执行单元和计算预算配额。在 ProgramBench 基准测试上(该基准通过程序重构任务评估智能体在长程任务中的综合能力),元推理方法借助 GPT-5.5 实现了 71.5% 的准确率,显著高于 Codex 的 58.0%;在 Opus 4.8 上则达到 67.2%,亦优于 Claude Code 的 65.5%。在其余多项基准测试中——涵盖抽象推理、跨领域长程推理以及数学证明生成——元推理方法在三款前沿大模型上的平均性能提升幅度达 3.6 至 4.2 分,均超越直接控制基线。尤为关键的是,当计算预算持续增加时,元推理性能仍保持稳步上升趋势,而直接控制方法则早已趋于饱和;不过,在极小预算场景下,元推理因引入额外开销反而可能略逊一筹。对产出物图谱(artifact-graph)的深入分析进一步表明:元推理更频繁地复用前期成果、在多数实验设置下对正确解的覆盖范围更广,且最终方案筛选环节的增益呈现非均匀分布特征。综上可见,随着智能体执行周期不断拉长,将计算资源投入于结构化、系统化的运行管控,其重要性正日益凸显。

